Nghiên cứu ứng dụng công nghệ mạng nơron vào đánh giá trạng thái và giám sát ổn định điện áp, điều khiển trong hệ thống điện

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA PHAN THỊ HẠNH TRINH NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG NƠRON VÀO ĐÁNH GIÁ TRẠNG THÁI VÀ GIÁM SÁT ỔN ĐỊNH ĐIỆN ÁP, ĐIỀU KHIỂN TRONG HỆ THỐNG ĐIỆN CHUYÊN NGÀNH : THIẾT BỊ MẠNG VÀ NHÀ MÁY ĐIỆN MÃ SỐ NGÀNH : 2.06.07 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH THÁNG NĂM 2006 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: TS HỒ THỊ DIỆU HỒNG Cán chấm nhận xét 1: Cán chấm nhận xét 2: Luận văn Thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA ngày tháng năm 2006 Có thể tìm hiểu luận văn Thư viện Trường Đại Học Bách Khoa, Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH - - CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp Hoà Chí Minh, ngày tháng 02 năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên Ngày, tháng, năm sinh Chuyên ngành Mã số học viên : PHAN THỊ HẠNH TRINH Phái : Nữ : 21/9/1979 Nơi sinh : Bình Định : Thiết Bị Mạng Nhà Máy Điện : 01803495 I TÊN ĐỀ TÀI: NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG NƠRON VÀO ĐÁNH GIÁ TRẠNG THÁI VÀ GIÁM SÁT ỔN ĐỊNH ĐIỆN ÁP, ĐIỀU KHIỂN TRONG HỆ THỐNG ĐIỆN II NHIỆM VỤ VÀ NỘI DUNG: Nhiệm vụ: - Nghiên cứu ứng dụng công nghệ mạng neuron vào đánh giá trạng thái hệ thống điện - Giám sát ổn định điện áp điều khiển hệ thống điện Nội dung: - Áp dụng mạng neuron vào đánh giá trạng thái hệ thống điện sử dụng giải thuật huấn luyện Levenberg - Marquadt - Tìm hiểu cấu trúc hệ thống để giám sát ổn định điện áp điều khiển hệ thống điện sử dụng mạng neuron III NGÀY GIAO NHIỆM VỤ : /02/2006 IV NGÀY HOÀN THÀNH NHIỆM VỤ : /7/2006 V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN : TS HỒ THỊ DIỆU HỒNG CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN QL CHUYÊN NGÀNH TS HỒ THỊ DIỆU HỒNG Nội dung đề cương luận văn Thạc só Hội Đồng Chuyên Ngành thông qua Ngày tháng năm 2006 TRƯỞNG PHÒNG ĐÀO TẠO SĐH TRƯỞNG KHOA QUẢN LÝ NGÀNH LỜI CÁM ƠN Em xin chân thành bày tỏ lòng kính trọng biết ơn sâu sắc đến quý Thầy Cô Người mang đến cho em kiến thức khoa học tri thức làm người, giúp em vững bước sống đường nghiên cứu khoa học sau Em xin chân thành cảm ơn sâu sắc đến Thầy Cô ban giảng huấn Sau Đại Học chuyên ngành Thết Bị Mạng Nhà Máy Điện Xin chân thành cám ơn Cấp lãnh đạo quan, đồng nghiệp người bạn tạo điều kiện giúp đỡ nhiều để vừa đảm bảo công tác, vừa học tập nghiên cứu tốt Cuối xin cảm ơn Gia đình người thân tạo điều kiện tốt động viên nhiều suốt thời gian học tập, nghiên cứu, thực luận văn hoàn tất khoá học TÓM TẮT LUẬN VĂN I TÊN ĐỀ TÀI NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG NƠRON VÀO ĐÁNH GIÁ TRẠNG THÁI VÀ GIÁM SÁT ỔN ĐỊNH ĐIỆN ÁP, ĐIỀU KHIỂN TRONG HỆ THỐNG ĐIỆN II TÓM TẮT Bài toán đánh giá trạng thái hệ thống điện toán thiếu hệ thống điện Luận văn khảo sát mạng neuron vào toán đánh giá trạng thái hệ thống điện quan tâm đến vấn đề làm để giám sát ổn định điện áp thời gian thực Trình bày giải thuật huấn luyện mạng neuron với phương pháp huấn luyện Levenberg - Marquadt vào đáng giá trạng thái hệ thống điện Quản lý ổn định điện áp dựa mạng neuron xem xét kỹ lưỡng tương lai Một mô tả ngắn ý trình bày chương cuối Mục đích luận văn khả mạng neuron vấn đề quản lý ổn định điện áp Một mạng neuron huấn luyện nhanh, kết xác áp dụng quy mô hệ thống điện thực xây dựng luận văn Điều cần thiết đánh giá an toàn hệ thống điện Nội dung luận văn bao gồm: lý thuyết mạng neuron trình bày chương 2, mạng perceptron nhiều lớp chọn để làm rõ Phương pháp đánh giá trạng thái truyền thống dựa phương pháp bình phương tối thiểu có gia trọng mô tả chương mạng neuron dựa phương pháp trình bày chương Kiến thức đánh giá trạng thái dựa mạng neuron hữu ích việc giám sát ổn định điện áp điều khiển hệ thống tìm hiểu chương MỤC LỤC TÓM TẮT LUẬN VĂN Chương TỔNG QUAN 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.3 Tóm tắt ứng dụng mạng neuron Chương MẠNG NEURON 2.1 Cấu trúc mạng perceptron nhiều lớp 2.1.1 Perceptron lớp 2.1.2 Perceptron nhiều lớp 2.1.3 Haøm xấp xỉ 2.1.4 Cấu trúc mạng tối öu 10 2.2 Giải thuật huấn luyện 10 2.2.1 Thuaät toaùn backpropagation 11 2.2.2 Hệ số momen động lượng thích nghi 12 2.2.3 Giaûi thuật tối ưu 12 Chương3 ĐÁNH GIÁ TRẠNG THÁI 3.1 Đánh giá trạng thái hệ thống điện 15 3.2 Phương pháp bình phương cực tiểu 16 3.2.1 Sai số đo lường ước lượng 16 3.2.2 Tính toán ước lượng biến trạng thái 17 3.3 Nhận biết liệu xấu 18 Chương MẠNG NORON TRONG ĐÁNH GIÁ TRẠNG THÁI 4.1 Đánh giá trạng thái hệ thống mạng perceptron nhiều lớp 21 4.2 Xác định tập liệu huấn luyện cho mạng neuron 22 4.3 Giải thuật huấn luyện Levenberg – Marquadt 23 4.4 Cấu trúc mạng neuron kết huấn luyện 25 4.4.1 Mạng neuron có đầu điện áp 25 4.4.2 Maïng neuron có đầu công suất máy phát 34 4.4.3 Mạng neuron có đầu góc điện áp 40 4.5 Đề xuất giảm thời gian huấn luyện 49 4.5.1 Giaûm số nút đầu vào 49 4.5.2 Giảm kết nối 50 4.5.3 Áp dụng đề xuất giảm thời gian huấn luyện 50 4.6 p dụng vào quy mô hệ thống điện thực tế 53 Chương QUẢN LÝ ỔN ĐỊNH ĐIỆN ÁP 5.1 Quản lý rủi ro 56 5.2 Sụp đổ điện áp 57 5.3 Phân tích ổn định điện áp 60 5.4 Giaùm saùt điều khiển ổn định điện áp 63 5.4.1 Điều khiển hiệu chỉnh tránh sụp đổ điện áp 63 5.4.2 Giám sát điều khiển ổn định điện áp thời gian thực 64 Chương KẾT LUẬN 72 TÀI LIỆU THAM KHẢO 75 PHUÏ LUÏC 78 Chương TỔNG QUAN 1.1 ĐẶT VẤN ĐỀ Các số liệu đo lường thời gian thực thu thập từ hệ thống SCADA thường bao gồm công suất tác dụng công suất phản kháng đường dây, công suất tác dụng công suất phản kháng bơm vào cái, điện Các số liệu đo lường xa có sai số Các sai số phát sinh từ sai số chuyển đổi, từ tín hiệu nhiễu đường truyền số liệu, từ không cân pha Đánh giá trạng thái hệ thống điện trình loại bỏ nhiễu khỏi liệu thu thập từ hệ thống, phương pháp toán xử lý tập đo lường thời gian thực ước lượng tốt trạng thái vận hành hệ thống điện Phương pháp cổ điển để giải toán đánh giá trạng thái phương pháp bình phương tối thiểu có gia trọng Kết toán đánh giá trạng thái hệ thống điện dùng làm sở liệu thời gian thực cho toán khác hệ thống toán phân bố công suất tối ưu, toán đánh giá độ an toàn hệ thống, toán quản lý điều khiển ổn định điện áp Do cần xác định xác nhanh chóng Nhiều giải thuật tạo để ứng dụng vào toán đánh giá trạng thái mạng thực tế, khối lượng tính toán nặng khó áp dụng thời gian thực [14] Điều dẫn đến vấn đề cần công cụ để đánh giá trạng thái nhanh tin cậy, mạng neuron đáp ứng điều Hiện tại, mục tiêu để phát triển phương thức cho máy tính nhằm sử dụng môi trường trực tuyến để đánh giá an ninh điện áp hệ thống Đặc biệt, hai chức quan trọng nên áp dụng: giám sát ổn định điện áp đánh giá ổn định điện áp Nhiều phương pháp để phân tích ổn định điện áp dựa phân tích trị riêng mô miền thời gian có sẵn để tìm loại ổn định điện áp này, để giám sát ổn định điện áp, việc thực thi trực tuyến kỹ thuật bị vướng phải khối lượng tính toán khổng lồ [17] Vấn đề quản lý ổn định điện áp bao gồm hai chức chức điều khiển ổn định điện áp cần phải nghiên cứu đầy đủ áp dụng thời gian thực Hệ thống phải giữ trạng thái vận hành an toàn kinh tế Do dẫn đến cấu trúc vấn đề giám sát ổn định điện áp điều khiển thời gian thực cho tối ưu, điều cần thiết hệ thống điện Gần đây, phương pháp luận dựa mạng neuron đưa cho việc giám sát điều khiển ổn định điện áp trực tuyến hệ thống Quản lý ổn định điện áp dựa mạng neuron phát triển tương lai 1.2 MỤC TIÊU NGHIÊN CỨU Do toán đánh giá trạng thái cần giải thời gian thực, cần đủ nhanh tin cậy Trong luận văn đưa phương pháp để đánh giá trạng thái hệ thống điện dựa mạng neuron, đầu mạng neuron dùng để giám sát ổn định điện áp điều khiển hệ thống điện thời gian thực Cũng xem xét khả mạng neuron vấn đề giám sát ổn định điện áp Một giải thuật đáng tin cậy cần thiết để xác định trạng thái hệ thống điện Giải thuật huấn luyện mạng neuron với phương pháp huấn luyện Levenber_ Marquadt vào đáng giá trạng thái hệ thống điện chọn luận văn Trong luận văn tìm hiểu cấu trúc để giám sát ổn định điện áp điều khiển hệ thống điện thời gian thực cách sử dụng mạng neuron 1.3 TÓM TẮT ỨNG DỤNG MẠNG NEURON Những áp dụng rộng rãi dựa mạng neuron báo cáo nhiều lãnh vực hệ thống điện từ đầu thập niên 80 ngày phát triển nhờ đặc tính tính toán nhanh chóng, có khả học hỏi, tổng quát hoá mạng neuron Các mạng neuron gần ứng dụng ngoại tuyến trực tuyến Qua công trình nghiên cứu việc ứng dụng mạng neuron hệ thống điện công bố tạp chí IEEE, thấy mạng neuron ứng dụng lónh vực sau: dự báo phụ tải, đánh giá an toàn, bảo vệ , điều khiển, Branchs and transformers windings data: Fr Bus 12 6 11 9 14 3 5 4 To Bus 12 13 13 11 10 10 14 13 2 4 7 S rate MVA 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 Vrate KV 69 13.8 13.8 13.8 13.8 13.8 13.8 13.8 13.8 13.8 69 69 69 69 69 69 69 69 69 18 V ratio (for transfomer) 0 0 0 0 0 0 0 0 5 1.30435 R (p.u) 0.05695 0.12291 0.22092 0.06615 0.09498 0.08205 0.03181 0.12711 0.17093 0.01938 0.04699 0.06701 0.05403 0.01335 0.05811 0 0 X (p.u) 0.17388 0.25581 0.19988 0.13027 0.1989 0.19207 0.0845 0.27038 0.34802 0.11001 0.05917 0.19797 0.17103 0.22304 0.04211 0.17632 0.25202 0.55618 0.20912 0.17615 b/2 (p.u) 0.017 0 0 0 0 0.0264 0.0219 0.0173 0.0246 0.0064 0.0187 0 0 Slack bus data: Bus ID Srate MVA 100 V rate 69 V (p.u) V rate 69 13.8 69 13.8 Pg Ref angle Qmax Qmin Vmax Vmin 9.9 -9.9 1.2 0.8 PV bus Bus ID Srate MVA 100 100 100 100 0.4 0 V (p.u) 1.045 1.07 1.01 1.08 - 79 - Qmax Qmin Vmax Vmin 0.5 0.24 0.4 0.24 -0.4 -0.06 -0.6 1.2 1.2 1.2 1.2 0.8 0.8 0.8 0.8 PQ buses Bus ID 10 11 12 13 14 Srate MVA 100 100 100 100 100 100 100 100 100 100 100 V rate 69 69 69 69 13.8 13.8 13.8 13.8 13.8 13.8 13.8 PL (p.u) 21.7 94.2 47.8 7.6 11.2 29.5 3.5 6.1 13.5 14.9 - 80 - QL (p.u) 12.7 19 1.6 7.5 16.6 5.8 1.8 1.6 5.8 Vmax Vmin 1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.2 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 PHỤ LỤC2 MÃ NGUỒN MATLAB Chương trình tạo tập liệu huấn luyện mạng (Tapdulieutrain.m) clear all busdata=[ 1 1.06 0.0 0.0 0.0 2 1.045 0.0 21.7 12.7 1.01 0.0 94.2 19.0 1.0 0.0 47.8 4.0 1.0 0.0 7.6 1.6 1.07 0.0 11.2 7.5 1.0 0.0 0.0 0.0 1.08 0.0 0.0 0.0 1.0 0.0 29.5 16.6 10 1.0 0.0 9.0 5.8 11 1.0 0.0 3.5 1.8 12 1.0 6.1 1.6 13 1.0 13.5 5.8 14 1.0 14.9 5.0 linedata =[2 0.05695 0.17388 12 0.12291 0.25581 12 13 0.22092 0.19988 13 0.06615 0.13027 11 0.09498 0.1989 11 10 0.08205 0.19207 10 0.03181 0.0845 14 0.12711 0.27038 14 13 0.17093 0.34802 0.11001 0.01938 0.05917 0.04699 0.19797 0.06701 0.17103 0.05403 0.22304 0.01335 0.04211 0.05811 0.17632 0.25202 0.55618 0.20912 0.17615 0.0 0.0 40.0 0.0 -40 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 -6 0.0 0.0 0.0 0.0 -60 0.0 0.0 0.0 0.0 0.0 0.0 0 0 0 0 0 0.017 1 1 1 1 1 0.0264 0.0219 0.0173 0.0246 0.0064 0.0187 1 1 1]; 50 40 0 24 24 0 0 0 0 0 0 0 19 0 0 0]; % So luong mau du lieu can kpl=2000; apu=busdata; % ma tran nut ban dau % So lan lap phan bo cong suat maxiter=100; luku=0; % Bien so luong mau du lieu can %Lay cot cong suat tai busdata k=find(busdata(:,5)~=0); k=size(kk,1); - 81 - tt=find(busdata(:,7)~=0); t=size(tt,1); %Lay cot Pg busdata % Ma tran du lieu can chua kpl vector while luku